2026-11-11
当生成式AI的门槛降至“一键”，内容创作的底层逻辑正在被重塑。北大汇丰“不止MBA”系列讲座现场，北京大学信息工程学院院长助理、长聘副教授、视觉信息智能学习实验室（VILLA）负责人张健教授，为现场听众带来了一场关于AIGC内容生成与版权保护的深度分享。
用一张图换一张脸，用一句话生成一段视频——生成这件事，已经不再需要专业技能。张健教授开场即指出，当前AIGC的核心变化不是"能生成"，而是"可控地生成"：从最初输入数据、输出不可控结果，到今天一句提示词就能精准对齐意图，技术的演进让内容生产变得前所未有地自由，也让伪造与篡改变得足以以假乱真。"现在的内容，不注意已经是假的了，不是一眼假的状态。"
“以前P图要找专业的人，现在一键即可。”传统的版权边界正在失效，企业内容资产亟待建立新的“可信防线”。
讲座中，张健教授回溯了生成技术的演进。早期的AI生成不可控，而“可控生成”一旦普及，便催生了海量天马行空的应用，也带来了连锁的安全反应。
当前生图已与语言模态精准对齐，稍不留意便足以以假乱真。这不仅局限于生图：无论是人脸、蛋白质结构，还是企业独有的小样本数据，“都可以用这个思路”。但当生成器越来越强，掌握在大众手里，传统依赖专业门槛的版权护城河便瞬间干涸。
面对风险，张健教授给出三条技术路径，并逐一拆解其边界：
被动检测。团队提出FakeShield，不只判真伪，更定位“哪里假、为何假”（光影或物理规律违背）。但鉴伪与生成是螺旋博弈，模型更新，检测器就需重训。
主动水印。可见水印易被抹，不可见水印求保真与抗干扰。团队首创“双水印”：一维水印负责版权确权（鲁棒），二维水印负责篡改定位（脆弱）。Meta等大厂随后跟进。
内容凭证。记录从拍摄到编辑全过程，类似履历，但依赖联盟共识，且“截图、拍照”易绕开。
最棘手的，是确权与篡改的内在矛盾。张教授举例：图上被人为加了一把“凶器”，版权水印仍能解出，图确是你的，但内容已被污染。“到法院上应该说不清楚——你认不认这张图是你的？” 确权算法只能证明归属，却无法保证内容未被篡改，这是技术无法回避的张力。
技术之外，落点回归企业管理。内容确权在法庭上的胜负手，往往不是水印本身，而是过程留痕：提示词、调试次数、时间与资源投入。“法官看的是你投了多少时间、中间消耗了多少。”
企业出品任何内容，应有流程记录——谁做的、怎么调出的，将来一旦冲突，这就是证据。对学生、员工考核同理：只看结果，大模型人人满分，真正该考的是与大模型沟通、一步步推导的过程。
版权水印一旦公开易被破解，“跟魔术一样”。企业应用定制化、不公开方式保护，同时表明“我的内容有水印、可被追溯”，增加对方滥用成本。
“内容越来越便宜，模型越来越便宜，但可信越来越贵。”AIGC能力必须用，但要用得可控、留痕、可证。
作为“不止MBA”系列，本场延续“不止于身份标签，不止于知识边界，不止于当下视野”理念。从生成原理到双水印确权，张健教授为听众打开AIGC可信技术与企业治理的窗口。当生成能力普及，唯建立可信核验与留痕机制，方能平衡创新与风险。
